python函數(shù)高級

一、函數(shù)的定義

為銅陵等地區(qū)用戶提供了全套網(wǎng)頁設(shè)計(jì)制作服務(wù)，及銅陵網(wǎng)站建設(shè)行業(yè)解決方案。主營業(yè)務(wù)為成都網(wǎng)站建設(shè)、網(wǎng)站建設(shè)、銅陵網(wǎng)站設(shè)計(jì)，以傳統(tǒng)方式定制建設(shè)網(wǎng)站，并提供域名空間備案等一條龍服務(wù)，秉承以專業(yè)、用心的態(tài)度為用戶提供真誠的服務(wù)。我們深信只要達(dá)到每一位用戶的要求，就會(huì)得到認(rèn)可，從而選擇與我們長期合作。這樣，我們也可以走得更遠(yuǎn)！

函數(shù)是指將一組語句的集合通過一個(gè)名字（函數(shù)名）封裝起來，想要執(zhí)行這個(gè)函數(shù)，只需要調(diào)用函數(shù)名即可

特性：

減少重復(fù)代碼

使程序變得可擴(kuò)展

使程序變得易維護(hù)

二、函數(shù)的參數(shù)

2.1、形參和實(shí)參數(shù)

形參，調(diào)用時(shí)才會(huì)存在的值

實(shí)慘，實(shí)際存在的值

2.2、默認(rèn)參數(shù)

定義：當(dāng)不輸入?yún)?shù)值會(huì)有一個(gè)默認(rèn)的值，默認(rèn)參數(shù)要放到最后

2.3、 關(guān)鍵參數(shù)

定義： 正常情況下，給函數(shù)傳參數(shù)要安裝順序，不想按順序可以用關(guān)鍵參數(shù)，只需要指定參數(shù)名即可，（指定了參數(shù)名的就叫關(guān)鍵參數(shù)），但是要求是關(guān)鍵參數(shù)必須放在位置參數(shù)（以位置順序確定對應(yīng)的參數(shù)）之后

2.4、非固定參數(shù)

定義： 如你的函數(shù)在傳入?yún)?shù)時(shí)不確定需要傳入多少個(gè)參數(shù)，就可以使用非固定參數(shù)

# 通過元組形式傳遞

# 通過列表形式傳遞

# 字典形式（通過k,value的方式傳遞）

# 通過變量的方式傳遞

三、函數(shù)的返回值

作用：

返回函數(shù)執(zhí)行結(jié)果，如果沒有設(shè)置，默認(rèn)返回None

終止函數(shù)運(yùn)行，函數(shù)遇到return終止函數(shù)

四、變量的作用域

全局變量和局部變量

在函數(shù)中定義的變量叫局部變量，在程序中一開始定義的變量叫全局變量

全局變量作用域整個(gè)程序，局部變量作用域是定義該變量的函數(shù)

當(dāng)全局變量與局部變量同名是，在定義局部變量的函數(shù)內(nèi)，局部變量起作用，其他地方全局變量起作用

同級的局部變量不能互相調(diào)用

想要函數(shù)里邊的變量設(shè)置成全局變量，可用global進(jìn)行設(shè)置

五、特殊函數(shù)

5.1、嵌套函數(shù)

定義： 嵌套函數(shù)顧名思義就是在函數(shù)里邊再嵌套一層函數(shù)

提示 在嵌套函數(shù)里邊調(diào)用變量是從里往外依次調(diào)用，意思就是如果需要調(diào)用的變量在當(dāng)前層沒有就會(huì)去外層去調(diào)用，依次內(nèi)推

匿名函數(shù)

基于Lambda定義的函數(shù)格式為： lambda 參數(shù):函數(shù)體

參數(shù)，支持任意參數(shù)。

匿名函數(shù)適用于簡單的業(yè)務(wù)處理，可以快速并簡單的創(chuàng)建函數(shù)。

# 與三元運(yùn)算結(jié)合

5.3、高階函數(shù)

定義：變量可以指向函數(shù)，函數(shù)的參數(shù)可以接收變量，那么一個(gè)函數(shù)就可以接收另一個(gè)函數(shù)作為參數(shù)，這種函數(shù)稱之為高階函數(shù) 只需要滿足一下任意一個(gè)條件，即是高階函數(shù)

接收一個(gè)或多個(gè)函數(shù)作為輸入

return返回另一個(gè)函數(shù)

5.4、遞歸函數(shù)

定義:一個(gè)函數(shù)可以調(diào)用其他函數(shù)，如果一個(gè)函數(shù)調(diào)用自己本身，這個(gè)函數(shù)就稱為遞歸函數(shù)

在默認(rèn)情況下Python最多能遞歸1000次，（這樣設(shè)計(jì)師是為了防止被內(nèi)存被撐死）可以通過sys.setrecursionlimit(1500)進(jìn)行修改

遞歸實(shí)現(xiàn)過程是先一層一層的進(jìn)，然后在一層一層的出來

必須有一個(gè)明確的條件結(jié)束，要不然就是一個(gè)死循環(huán)了

每次進(jìn)入更深層次，問題規(guī)模都應(yīng)該有所減少

遞歸執(zhí)行效率不高，遞歸層次過多會(huì)導(dǎo)致站溢出

# 計(jì)算4的階乘 4x3x2x1

# 打印數(shù)字從1-100

5.5、閉包現(xiàn)象

定義:內(nèi)層函數(shù)調(diào)用外層函數(shù)的變量，并且內(nèi)存函數(shù)被返回到外邊去了

閉包的意義：返回的函數(shù)對象，不僅僅是一個(gè)函數(shù)對象，在該函數(shù)外還包裹了一層作用域，這使得，該函數(shù)無論在何處調(diào)用，優(yōu)先使用自己外層包裹的作用域

Python為什么能擴(kuò)展

Python 具有高可擴(kuò)展性，存在許多使用 C 語言或 Fortran 編寫擴(kuò)展的方法。必要時(shí)，Python 代碼可以直接將這些擴(kuò)展作為子例程來調(diào)用。這部分討論用于構(gòu)建擴(kuò)展的一些主要編譯器（絕對不是完整列表）。

相關(guān)推薦：《Python基礎(chǔ)教程》

Cython

Cython（不同于 CPython）既是指一種語言，也是指一種編譯器。Cython 語言是添加了 C 語言語法的 Python 語言的超集。Cython 可以在代碼段或完整函數(shù)中顯式釋放 GIL。變量和類屬性上的 C 類型聲明以及對 C 函數(shù)的調(diào)用都使用 C 語法。其余部分代碼則使用 Python 語法。通過這個(gè)混合的 Cython 代碼，Cython 編譯器可生成高效的 C 代碼。任何定期優(yōu)化的 C/C++ 編譯器都可以編譯此 C 代碼，從而高度優(yōu)化擴(kuò)展的運(yùn)行時(shí)代碼，性能接近于原生的 C 代碼性能。

Numba

Numba 是一個(gè)動(dòng)態(tài)、即時(shí) (JIT) 且可感知 NumPy 的 Python 編譯器。Numba 使用 LLVM 編譯器基礎(chǔ)架構(gòu)，生成優(yōu)化的機(jī)器代碼和從 Python 調(diào)用代碼的包裝器。與 Cython 不同，編碼使用常規(guī)的 Python 語言。Numba 可讀取來自裝飾器中所嵌入注釋的類型信息，并優(yōu)化代碼。對于使用 NumPy 數(shù)據(jù)結(jié)構(gòu)的程序，比如數(shù)組以及許多數(shù)學(xué)函數(shù)，它可以實(shí)現(xiàn)與 C 或 Fortran 語言類似的性能。NumPy 對線性代數(shù)和矩陣函數(shù)使用硬件加速，利用 LAPACK 和 BLAS 提供額外加速，大大提升了性能，參見 IBM 博客文章C、Julia、Python、Numba 和 Cython 在 LU 因式分解方面的速度比較。

除 CPU 以外，Numba 還能夠使用 GP-GPU 后端。Anaconda, Inc. 是 Python 某個(gè)主要發(fā)行版的幕后公司，該公司還開發(fā)了 Numba 和商業(yè)版的 Numba Pro。

Fortran to Python Interface Generator

Fortran to Python Interface Generator (F2Py) 起初為一個(gè)獨(dú)立的程序包，現(xiàn)在包含在 NumPy 中。F2Py 支持 Python 調(diào)用以 Fortran 編寫的數(shù)值例程，就好像它們是另一個(gè) Python 模塊一樣。因?yàn)?Python 解釋器無法理解 Fortran 源代碼，所以 F2Py 以動(dòng)態(tài)庫文件格式將 Fortran 編譯為本機(jī)代碼，這是一種共享對象，包含具有 Python 模塊接口的函數(shù)。因此，Python 可以直接將這些函數(shù)作為子例程來調(diào)用，以原生 Fortran 代碼的速度和性能來執(zhí)行。

優(yōu)化Python編程的4個(gè)妙招

1. Pandas.apply() – 特征工程瑰寶

Pandas 庫已經(jīng)非常優(yōu)化了，但是大部分人都沒有發(fā)揮它的最大作用。想想它一般會(huì)用于數(shù)據(jù)科學(xué)項(xiàng)目中的哪些地方。一般首先能想到的就是特征工程，即用已有特征創(chuàng)造新特征。其中最高效的方法之一就是Pandas.apply()，即Pandas中的apply函數(shù)。

在Pandas.apply()中，可以傳遞用戶定義功能并將其應(yīng)用到Pandas Series的所有數(shù)據(jù)點(diǎn)中。這個(gè)函數(shù)是Pandas庫最好的擴(kuò)展功能之一，它能根據(jù)所需條件分隔數(shù)據(jù)。之后便能將其有效應(yīng)用到數(shù)據(jù)處理任務(wù)中。

2. Pandas.DataFrame.loc – Python數(shù)據(jù)操作絕妙技巧

所有和數(shù)據(jù)處理打交道的數(shù)據(jù)科學(xué)家(差不多所有人了!)都應(yīng)該學(xué)會(huì)這個(gè)方法。

很多時(shí)候，數(shù)據(jù)科學(xué)家需要根據(jù)一些條件更新數(shù)據(jù)集中某列的某些值。Pandas.DataFrame.loc就是此類問題最優(yōu)的解決方法。

3. Python函數(shù)向量化

另一種解決緩慢循環(huán)的方法就是將函數(shù)向量化。這意味著新建函數(shù)會(huì)應(yīng)用于輸入列表，并返回結(jié)果數(shù)組。在Python中使用向量化能至少迭代兩次，從而加速計(jì)算。

事實(shí)上，這樣不僅能加速代碼運(yùn)算，還能讓代碼更加簡潔清晰。

4. Python多重處理

多重處理能使系統(tǒng)同時(shí)支持一個(gè)以上的處理器。

此處將數(shù)據(jù)處理分成多個(gè)任務(wù)，讓它們各自獨(dú)立運(yùn)行。處理龐大的數(shù)據(jù)集時(shí)，即使是apply函數(shù)也顯得有些遲緩。

關(guān)于優(yōu)化Python編程的4個(gè)妙招，青藤小編就和您分享到這里了。如果您對python編程有濃厚的興趣，希望這篇文章可以為您提供幫助。如果您還想了解更多關(guān)于python編程的技巧及素材等內(nèi)容，可以點(diǎn)擊本站的其他文章進(jìn)行學(xué)習(xí)。